海口市40年来耕地破碎化空间格局及其影响因素分析

海口市40年来耕地破碎化空间格局及其影响因素分析目录TOC\o"1-3"\h\u89531.引言 595212.研究区概况与数据来源 6125112.1.研究区概况 646132.2.数据来源与处理 7287843.研究方法 8256713.1.技术路线 8239163.2.耕地破碎化评价模型构建 9118273.2.1.景观格局指数 963183.2.2.熵值法 10200953.3.土地利用转移矩阵 12271883.4.土地利用动态度 12186353.5.灰色关联分析 1372494.结果与讨论 1416734.1.海口市耕地破碎化评价结果 14167584.2.海口市耕地破碎化时空动态分析 15276834.3.海口市耕地破碎化影响因素分析 17166905.结论 1919568参考文献 2011874致谢 22摘要：本文基于海口市1980、1990、2000、2005、2010、2015、2020年7期土地利用数据，利用ArcGIS、Fragstats软件分析了土地利用动态度、景观格局指数以及综合指数，并选用灰色关联分析法研究了耕地破碎化的影响因素。研究表明：（1）海口市1980-2020年，耕地的斑块总面和聚合指数总体上逐渐减小，斑块密度和平均周长面积比逐渐增大，平均近邻距离逐渐减小，耕地破碎升高，耕地聚合程度降低，耕地连通性变差。（2）海口市的耕地面积总体上呈现出减少趋势。（3）在1980-2020年的海口土地利用转移中，耕地主要转向人工建设用地，少量转向水域；且2000年之后的土地利用转移强度明显高于2000年之前，耕地动态度变化也更为明显。（4）自然条件和人类社会活动都是海口市耕地破碎化不断增加的影响因素，其中人口因素是促使耕地破碎化加剧的主要因素，人类活动与耕地破碎化程度关系密切，其次是气温和降水。关键词：景观格局指数、耕地破碎化、土地利用转移矩阵、灰度关联分析引言耕地是人类进行农事生产的物质基础，是确保粮食安全的根本保障REF_Ref6146\r\h[1]。但城市化进程中，日益增长的建设用地需求与最严格的耕地保护制度之间的矛盾日益深化REF_Ref10025\r\h[2]。除此之外，耕地的土壤肥力退化、耕地破碎化增加导致农业生产效率降低进而引起的粮食安全问题已成为人们普遍关注和研究的热点REF_Ref11811\r\h[3,4]，因此对在城市化进程下耕地破碎化及其影响因素进行研究，了解其发展规律以及趋势，分析影响因素对耕地进行保护以及可持续发展具有重要意义。耕地破碎化的研究主要分为两种：一种是选取景观指数，进行景观分析。如陈俊韬、万伟华REF_Ref21695\r\h[5-9]选取不同的景观格局指数对耕地破碎化程度进行定量分析，张限REF_Ref22557\r\h[10]等人使用熵值法进行赋权，在景观指数法的基础上形成综合的耕地破碎化指数，以此来评价耕地破碎化程度；另一种是在使用景观指数法的基础上，对耕地进行空间分析，如李文灏、刘强REF_Ref24869\r\h[11-12]使用了GIS空间分析功能更好展示其时空变化特征，秦大海REF_Ref21695\r\h[13]等人还使用了土地利用转移矩阵和土地利用动态度的方法来展示耕地时空变化特征。明确了耕地破碎化的空间分布特征，但若要更好地为相关部门的决策提供依据，需要对耕地破碎化的影响因素驱动力进行研究。对于耕地破碎化影响因素的研究主要分为定性和定量两种，如李云路、李文灏REF_Ref21695\r\h[9,11,14]从自然条件和人类活动等方面对耕地破碎化的影响因素进行了定性分析；陈俊韬、万伟华[5-8,10,12,15]使用主成分分析法、空间自相关分析法和地理加权回归分析法对影响耕地破碎化程度的因子进行量化分析，提高了对耕地破碎化程度的认识。但是，主成分分析和回归分析等方法仅适合于少数几个因素或者是线性的因素分析，在面对多因素的、非线性的问题时，在处理中会比较困难。而灰色关联分析是一种根据完全已知的白色系统和完全未知的黑色系统之间影响灰色系统的因素，其发展动态的相似程度来衡量因素之间关联程度的方法，它不需要样本数量，也不需要对样本进行区分，是非统计的数学方法，更适用于多因素、非线性问题的研究。综上所述，在之前的研究中，研究区大多集中在山地丘陵[8,14]、平原地区[11]经济发达地区REF_Ref30829\r\h[5]，缺少对沿海或岛屿城市耕地破碎化及其影响因素的研究分析,沿海城市是我国改革和经济发展的重心，但随着城市化的发展各种生态问题频发[16]，耕地破碎化与经济发展的矛盾日益凸显；另外，使用的研究数据大多跨度不大，基本在1年至20年之间[5-7,10,13]，并不能很好的反应社会经济发展过程中耕地时空变化的详细过程，若要准确把握耕地破碎化趋势并研究其影响因素，需要建立在长时间的研究基础上。因此本文基于海口市1980、1990、2000、2005、2010、2015、2020年7期土地利用数据，利用ArcGIS、Fragstats软件分析土地利用动态度、景观格局指数以及综合指数，并选用灰色关联分析法定量分析研究了耕地破碎化的影响因素，研究区选用的数据跨度为40年，反映社会经济发展过程中耕地时空变化的详细过程，为海岛城市的经济和社会的可持续发展提供科学参考。图1研究区位置图Fig.1Locationmapofstudy研究区概况与数据来源图1研究区位置图Fig.1Locationmapofstudy研究区概况海南省海口市（图1）位于东经110°08’~110°43’，北纬19°32’~20°06’，地处海南岛东北部，东邻文昌，西接澄迈，南毗定安，北临琼州海峡，总面积约3126.83km2，是典型的海岛型城市，其中，陆地面积2296.82km2，海域面积830km2。海口市地处低纬热带边缘，属于热带季风气候。全市地形平坦，北部近海海岸多为海岸台地地形，海口市西侧以火山坑作为高地，东寨港东侧有红树林，南面则是一片具有代表性的田园风光REF_Ref25933\r\h[17]。此次研究区为海口市陆域。数据来源与处理本研究使用的数据为1980年、1990年、2000年、2005年、2010年、2015年、2020年7期海口市的土地利用矢量数据。数据源坐标系为XY坐标系Krasovsky_1940_Albers。除此之外还选用了《海南省统计年鉴》（1990-2020）、《海口市统计年鉴》（1990-2020）等与矢量数据对应年份的相关数据。参照海口市的土地使用分类，本文对研究区的土地进行了一级分类（表1），包括耕地、林地、草地、水域、人工建设用地以及未利用土地六个类别。在ArcGIS软件中，我们根据上述标准对研究数据进行了重新分类，并据此绘制了1980-2020年海口市的土地利用类型图（图2）。表1海口市土地利用分类Tab.1ClassificationoflanduseofHaikoucity一级分类二级分类耕地水田、旱地林地有林地、灌木林地、疏林地、其他林地草地高覆盖度草地、中覆盖度草地、低覆盖度草地水域河渠、湖泊、水库（坑塘）、海涂、滩地人工建设用地城镇、农村居民点、工交建设用地、未利用土地沙地、戈壁、盐碱地、沼泽地、裸土地、裸岩石烁地、其他未利用土地图2海口市1980-2020年土地利用类型图图2海口市1980-2020年土地利用类型图Fig.2Mapoflandusetype,1988-2017研究方法技术路线本研究以海南省海口市为研究区域，使用了海口市40年土地利用类型数据，借助ArcGIS、Fragstats软件，对海口市耕地破碎化及其影响因素进行研究，具体技术路线图（图3）以及文字描述如下文所示：（1）查阅相关文献，有关耕地破碎化及其影响因素分析的研究现状，所使用的方法，对其进行对比分析，选取合适的方法进行本次研究。（2）使用ArcGIS软件对海口市1980、1990、2000、2005、2010、2015、2020年7期的数据进行重分类，转换数据格式并导入Fragstats，选取斑块总面（totallandscapearea,TA）、聚合指数（aggregationindex，AI）、斑块密度（patchdensity,PD）、平均周长面积（perimeter-arearadiomean，PARA-MN）、平均近邻距离（euclideannearest-neighbordistancemean,ENN-MN）5个指标进行耕地破碎化评估，再使用熵权法给每个指标进行赋权，形成综合的耕地破碎化指数。（3）将海口市分类后的7期数据在ArcGIS中进融合、相交，导出到excel中，通过数据透视表得到土地利用转移矩阵，并根据公式计算出海口市耕地利用动态度，对海口市耕地进行时相动态分析。（4）在《海南统计年鉴》、《海口统计年鉴》（1990-2020）中，从自然因素和社会因素两方面选择海口市的平均降水量、平均气温、总人口、年末耕地面积、生产总值、第一、二、三产业生产总值、人均GDP九个指标与计算所得的耕地破碎化指标进行灰色关联分析，明确海口市耕地破碎化的影响因素。图3技术路线图Fig.3Technicalroutmap耕地破碎化评价模型构建景观格局指数在Fragstats4.2软件中，选择斑块总面（totallandscapearea,TA）、聚合指数（aggregationindex，AI）、斑块密度（patchdensity,PD）、平均周长面积（perimeter-arearadiomean，PARA-MN）、平均近邻距离（euclideannearest-neighbordistancemean,ENN-MN）等典型景观格局指数从耕地的面积、密度、聚合度、连通性等多个方面来描述耕地破碎化程度。以下为各项指标及其含义：（1）斑块总面积（totallandscapearea,TA），该指数由式（1）所得，其与景观可持续性有关，其值越大，破碎程度越低。（1）式中A为景观斑块总面积。（2）聚合指数（aggregationindex，AI），该指数由式（2）所得，可以反映城市化过程中的景观结构变化，对城市化进程中的可持续性具有指示作用，其值越大，聚合越好REF_Ref15253\r\h[15]，破碎度越低。（2）式中gii为第i类景观斑块相似邻接斑块数量，max−gii（3）斑块密度（patchdensity,PD），该指数由式（3）所得，指单位面积上的斑块数，用来表征景观的破碎度，随着其数值的增大，破碎程度也随之增大。能较好反映耕地的破碎化程度以及人类活动对耕地的干扰程度REF_Ref15808\r\h[12]。（3）式中ni（4）平均周长面积（perimeter-arearadiomean，PARA_MN），该指数由式（4）所得，可以表示形状分布，从一定程度上可以反应人类活动对景观格局的干扰，斑块越聚合，形状越简单，其值越小，破碎度越低。（4）式中Pi（5）平均近邻距离（euclideannearest-neighbordistancemean,ENN_MN）[18]，该指数由式（5）所得，表示相同类型斑块之间的相对距离，并且可以反应连通性，其值越大，破碎度越低。（5）式中hi熵值法我们采用熵值法对选定的指标进行权重分配，并构建了一个耕地破碎化的评价指标体系，以便更准确地描述研究期内的耕地破碎化特性。赋权指标的方法主要分为两大类：主观赋权方法和客观赋权方法。其中，在选取指标时主要考虑了指标间相互影响及系统自身稳定性等因素。由于主观赋值法受人为原因影响，与评价对象的实际权重偏差较大[19]，故本文采用客观赋权法中的熵值法经行赋权，通过计算指标的信息熵，根据指标的相对变化程度对系统整体的影响来决定指标的权重，相对变化程度大的指标具有较大的权重[20]，确定指标权重并计算综合指数。X=XX=X（6）（1）标准化法：因为评估指标的界定和计量单元的不一致，导致了两者间有正有负的差别，难以进行对比。为此，选用极差标准化方法对各指标进行初步处理，确保指标数值可比性。正向指标（7）负向指标（8）式中：rij为年份j的指标i的标准化结果；Cij为年份j的指标i的值；max（2）计算各指标的信息熵ej：（9）式中：M为计算所使用的年份数。（3）计算各指标的熵权wj：（10）式中：m为指标个数。（4）基于各指标的权重计算各年份耕地破碎化综合评价指数Qj,即各指标的熵权值与个指标原始数据标准化之后的乘积[20]：（11）式中：Qj为年份j的耕地破碎化综合指数。通过熵值法计算耕地破碎化各项指标所占权重结果（表2），以此计算出的综合指数，数值越大，其破碎化程度越高。表2熵值法计算权重结果汇总 Table2Summaryofweightcalculationresultsusingentropymethod指标名称指标权重指标属性TA斑块总面19.43%负向指标AI聚合指数7.11%负向指标PD斑块密度30.43%正向指标PARA-MN平均周长面积比31.82%正向指标ENN-MN平均近邻距离11.20%负向指标土地利用转移矩阵Sij=S11S12S13⋯S1nSS（12）式中：S表示土地面积；n表示土地利用的类型数；i代表研究期初土地利用类型；j代表研究期末土地利用类型。土地利用动态度土地利用动态度反应一段时间内研究区各土地利用类型的数量变化、空间变化和组合方式变化等[21]，可定量地描述变化速度，对预测变换趋势有积极作用[22]。本文利用此方法研究区表达一定时间内耕地的变化情况，其计算公式为：（13）式中：K表示研究时段内耕地利用动态度；Ua表示研究期初耕地的面积；Ub表示研究期末耕地的面积；t表示研究时段，当t设定为年时，K值就是耕地土地类型的年变化率。灰色关联分析灰色关联分析，可以通过对系统中不确定因素之间的密切程度REF_Ref20501\r\h[23]。此次研究利用灰色关联法计算比较指标（自然因素、社会因素）作为与参考指标（景观格局指数）间的关联程度，关联系数越高表示比较指标对参考指标的影响越大，反之越小REF_Ref15808\r\h[12]。灰色关联分析是一种定量比较的分析法，用来确定目标变量与输入变量之间关联度的大小[24]，蒋启成[12,23-25]等人使用灰色关联分析来计算目标变量与可能存在关联的影响因素之间的关联度，从而明确目标变量与影响因素之间的关系，这适用于耕地破碎化影响因素的研究，关联度数值超过0.7为重要因素、0.5~0.7之间为比较重要因素，其余为不重要因素REF_Ref24147\r\h[26]。其计算公式为：（14）式中，为分辨系数，通常取0.5；为比较列和参考列的差值取绝对值；为比较列和参考列的最小差；为比较列和参考列的最大差。结果与讨论海口市耕地破碎化评价结果对海口市40年土地利用分类数据在ArcGIS中重分类并转换格式，导入到Fragstats中计算所选景观格局指标数值，将计算结果导入到excel表格中进行标准化处理，结合熵值法赋权结果计算综合指数，定量表达海口市耕地的破碎化程度（表3）。表3海口市耕地景观格局指数变化特征Tab.3ChangesintheLandscapePatternIndexofCultivatedLandinHaikou年份TAPDPARA_MNENN_MNAI综合指数198075764.610.21258.1431228.809594.4937.81%199075460.140.2096260.4621218.781194.483212.77%200075460.320.2105262.1948216.488994.484214.60%200573768.950.2736323.4426189.750994.816980.78%201073864.350.2069252.2376213.430594.368316.57%201570929.720.227260.497218.176694.283339.81%202070473.150.215252.0507215.46194.191734.06%注：TA为斑块面积；PD为斑块密度；PARA_MN为平均周长面积比;ENN_MN为平均最近临距离；AI为斑块聚合度指数。由表3可知海口市1980-2020年，景观指数TA和AI总体上呈现出减小趋势，表明在城市化进程中，海口市耕地破碎升高，耕地聚合程度降低。指数PD和PARA_MN1980-2005年逐渐增大，2005年之后又逐渐减小，指数ENN_MN1980-2005年呈现不断减小，2005年之后呈现又开始增加，这表明耕地破碎化、斑块密度程度在2005年之前不断增大，耕地连通性变差，2005年之后又有所缓解。其中斑块总面、聚合指数、平均近邻距离为负向指标，斑块密度、平均周长面积比为正向指标，经过熵权法赋值之后得到综合指数，其中平均周长面积指数和斑块密度所占的比重最大，其次是斑块总面、平均近邻距离和聚合指数。最终的综合指数以2005年为分界，耕地破碎化程度在2005年达到峰值，其后显著降低，主要原因是海南省在2006年发布了《海南省基本农田保护规定》，从政策层面对海口不断增强的耕地破碎化趋势起到了抑制作用，同时也说明在耕地破碎化的进程中，人类活动对其影响较大。海口市耕地破碎化时空动态分析运用ArcGIS的进融合、相交功能，对海口市的用地进行了分析，将结果导出到excel中，并对其进行了统计分析，通过数据透视表得到土地利用转移矩阵（表4-6）。表41980-2000年土地利用转移矩阵Tab.4Landusetransfermatrix,1980-2000 2000年（km2）1980年（km2）草地耕地林地人工建设用地水域未利用草地18.850.010.010.000.000.00耕地0.01754.280.262.320.770.00林地0.010.261213.010.410.020.00人工建设用地0.000.050.02136.560.000.00水域0.000.000.020.0099.760.00未利用0.000.000.001.920.004.41在1980-2000年间（表4），总体而言海口市的土地流动情况较为缓慢。耕地的主要转变方向是转为人工建设用地，转变面积达到2.32km²。其次，部分耕地转变为水域和林地，面积分别为0.77km²和0.26km²。此外，还有少量的耕地转变为草地。同时，也有部分林地和人工建设用地转变为耕地。但总体而言，耕地的总面积在这20年间一直在下降，人工建设用地的面积有所增加。表52000-2020年土地利用转移矩阵Tab.5Landusetransfermatrix,2000-2020 2020年（km2）2000年（km2）草地耕地林地人工建设用地水域未利用草地15.520.520.341.331.180.00耕地0.78668.6619.8057.008.350.01林地11.5623.171110.9952.2315.310.05人工建设用地1.175.622.62130.331.430.00水域0.085.052.452.3790.360.24未利用0.001.690.031.560.011.11在2000-2020年间（表5），在海口市，原本的耕地主要转化成了林地、建设用地和水域。具体而言，19.8km2的耕地变成了林地，57km2转换成了建设用地，而8.35km2转化为了水域。同时，也有其他多种土地类型转变成耕地，其中，有23.17km2的林地被转变成了耕地，成为耕地的最主要来源。其次是5.62km2的建设用地，5.05km2的水域，0.34km2的草地和1.69km2的未利用土地。在此阶段相对于前20年而言，耕地的转入和转出量明显增大，且转化为建设用地的面积明显增加，相对于前一阶段增加了54.68km2，耕地的总面积在下降，这表明在海口市城市化的进程中，耕地的面积的变化和人工建设用地面积变化的关系密切，耕地在逐渐减少。表61980-2020年土地利用转移矩阵Tab.6Landusetransfermatrix,1980-2020 2020年（km2）1980年（km2）草地耕地林地人工建设用地水域未利用草地15.510.520.341.331.180.00耕地0.78668.6519.8059.269.130.01林地11.5623.181111.0152.5615.370.05人工建设用地1.175.622.62125.821.370.00水域0.085.052.452.3789.590.24未利用0.001.690.033.480.011.11在1980年至2020年整个研究阶段中（表6），海口市的主要耕地转变方向是人工建设用地，转变面积达到59.26km²。同时，也有部分耕地转变为水域，面积为9.13km²。在耕地与林地的相互转变中，林地转变为耕地的总面积更大。同时，有5.62km²的建设用地、5.05km²的水域和1.69km²的未利用土地转变为耕地。在整个研究阶段中，随着海口城市化进程加快，耕地面积大量减少，虽然出台了相应的耕地保护政策，也有其他用地转化为耕地，但还是不能补足丢失的耕地，耕地从1980年的757.65km2减少到2020年的704.71km2，共减少了52.94km2。根据得到的土地利用转移矩阵，得到海口市耕地变化趋势（图3）并根据公式计算出海口市耕地利用动态度（图4），对海口市耕地进行时相动态分析。Km2年Km2年图41980-2020年耕地面积变化图Fig.4Changesinarablelandarea,1980-2020由图4近40年海口的耕地面积变化可知，在1980年至2020年间耕地呈现出不断减小的趋势，其中2000年至2005年和2010年至2015年耕地面积减少较多，在2005年至2010年间，耕地相较于2000年至2005年而言，耕地总面积变化较小。这也表明相关部门在2006年颁布的《海南省基本农田保护规定》效果显著，对耕地保护起到了重要作用。在2015年至2020年间，耕地相较于2010年至2015年而言，海口市耕地面积减少的情况有所缓解。这表明，虽然耕地破碎度在增大，但是耕地面积相对于前一时期的减少量明显降低，这与海口市耕地保护政策的落实与耕地开垦项目的实施[13]有关，在秦大海等人的研究中，也表明2018年后海口耕地面积呈现出小幅增长[13]。图5耕地利用动态度Fig.5Dynamicdegreeoffarmlandutilization由图5耕地利用动态度可知，海口市40年来耕地的变化速度可以分为三个阶段，首先是2000年之前耕地面积减少速度较为缓慢；其次是2000-2005年耕地减少速度加快，2005-2010年又有所缓解，期间海南省相关部门于2006年颁布了《海南省基本农田保护规定》，使得耕地面积减少的情况有所缓解；最后是2010年之后海南积极发展速度加快，2010年国务院发布了《国务院关于推进海南国际旅游岛建设发展若干意见》，海南大力发展国际旅游岛，耕地面积减少加快，随着2015年之后又有所缓解，在秦大海等人的研究中也显示2018年后海口市耕地保护政策的落实与耕地开垦项目的实施REF_Ref21695\r\h[13]有关，很好的缓解了耕地减少的趋势。海口市耕地破碎化影响因素分析为研究海口市40年来耕地破碎化的影响因素，充分考虑自然环境状况、社会经济等人类活动对耕地破碎化的影响，本文从自然因素和社会因素两个方面选取了平均降水量（X1）；平均气温（（X1）；总人口（X3）；年末耕地面积（X4）；生产总值（X5）；第一产业生产总值（X6）；第二产业生产总值（X7）；第三产业生产总值（X8）；人均GDP（X9）九个指标作为比较序列，在excel中选用灰色关联分析法计算景各个观格局指数作为参考序列与影响因素之间的关联度（表7）。表7景观格局指数与驱动因素关联度Tab.7CorrelationbetweenLandscapePatternIndexandDrivingFactors驱动因素景观格局指数X1X2X3X4X5X6X7X8X9综合指数0.9560.9570.9690.9480.7200.7970.7690.7050.831TA0.9940.9990.9720.9920.6990.7730.7460.6850.801PD0.9930.9980.9750.9890.7000.7750.7470.6860.802PARA_MN0.9930.9980.9740.9900.7000.7740.7470.6860.802ENN_MN0.9940.9980.9720.9920.6990.7730.7460.6840.800AI0.9940.9990.9730.9910.6990.7730.7460.6850.801由表7可知，所选用的影响因素指标与耕地破碎化指标之间的关联度都在0.5之上，具有比较好的关联性，表明自然环境状况和人类活动都会对耕地破碎化程度产生影响。自然因素指标（X1-X2），海口市平均降水量与耕地破碎化指数的关联度分布在0.956~0.994，平均气温与耕地破碎化指数的关联度分布在0.957~0.999，均明显大于0.7，且气温指标与耕地破碎化指数之间的关联度整体上大于降水量指标与耕地破碎化指数之间的关联度，说明气温和降水对耕地破碎化对耕地破碎化而言都是重要影响因素，且年平均气温对耕地破碎化的影响比年平均降水量的影响大；社会因素指标（X3-X9），总人口与耕地破碎化指数之间的关联度分布在0.969~0.975，也明显大于0.7，且总人口对耕地破碎化综合指数的关联度大于自然因素对耕地破碎化综合指数的关联度，这表明总人口因素对耕地破碎化对耕地破碎化而言也是重要影响因素，总人口对耕地破碎化的影响相对于自然因素而言更大。除第三产业生产总值，GDP等其他指数与耕地破碎化指数之间的关联度总体分布在0.746~0.992之间，相较于前三个影响因素指标而言关联度更小，影响程度也就相对而言更小，但也都大于0.7，同样是耕地破碎化的重要影响因素。第三产业生产总值与耕地破碎化指数之间的关联度大于0.5，属于比较重要的影响因素。总体而言，自然因素时刻影响耕地破碎化程度，是长期影响因素；而在社会因素中总人口和人均GDP与海口市耕地破碎化指标的关联度分布在0.8~0.975之间，这表明耕地破碎化程度与人类活动关系密切。结论本文基于海口市1980、1990、2000、2005、2010、2015、2020年7期土地利用数据，利用ArcGIS、Fragstats软件分析了土地利用动态度、景观格局指数以及综合指数，制作了土地利用转移矩阵，并选用灰色关联分析法研究了耕地破碎化的影响因素。研究表明：（1）海口市1980-2020年，耕地的斑块总面和聚合指数总体上逐渐减小，斑块密度指数和平均周长面积比逐渐增加，平均近邻距离逐渐减小，耕地破碎升高，耕地聚合程度降低，耕地连通性变差。（2）海口市的耕地面积从1980年的757.65km2减少到2020年的704.71km2，共减少了52.94km2,总体上呈现出减少趋势。（3）1980-2020年的海口市耕地转出主要是耕地转化为人工建设用地，面积为59.26km2，少量转化为水域，面积为9.13km2；耕地转入主要是林地转化为耕地，面积为23.18km2；且2000年之后的土地利用转移强度明显高于2000年之前，耕地动态度也更为明显。（4）自然条件和人类社会活动都是海口市耕地破碎化不断增加的影响因素，其中人口是促使耕地主要因素，其次是气温和降水，其他社会经济因素与耕地破碎化指数的关联度均较高，故耕地破碎化程度与人类活动关系密切。参考文献李黎,王会豪,任平.基于核密度估算的都江堰耕地破碎化趋势及特征分析[J].信阳师范学院学报(自然科学版),2017,30(01):72-76.万伟华.基于县域尺度的浙江省耕地破碎化空间分异研究[J].环境生态学,2021,3(11):15-21+48.陈帷胜，冯秀丽，马仁锋，等.耕地破碎度评价方法与实证研究———以浙江省宁波市为例［J］．中国土地科学，2016，30(5):80-87．FALCOSD，PENOVI，ALEKSIEVA，etal．Agrobiodiversity，farmprofitsandlandfragmentation:EvidencefromBulgaria［J］．LandUsePolicy，2010，27(3):763-771．陈俊韬,林锦耀.基于地理探测器的耕地破碎化影响因素分析——以广州市为例[J].湖北农业科学,2023